PC提案事例

Gaussianを使って金属錯体の計算を行いたい。想定している計算では、基本的にCPUを8コア使うことを想定している。
必要に応じて2つの計算を同時に行う場合があり、CPU全体としては合計20スレッドあれば十分。R言語による行列計算も考えている。
なお、自分自身で検討した構成は下記の通り。

予算50万円の範囲内で、より良い構成の提案を希望する。

ご予算の範囲内で、CPU性能がより高くなる構成をご提案しました。

CPUはRyzen 7000シリーズ最上位の16コアモデルであるRyzen9 7950X (32スレッド) を搭載した製品です。
下位モデルには12コア/24スレッドの製品もありますが、Ryzen9 7950Xの方がブーストクロック作動時の最大クロックが高く設定されているため、CPU速度を重視した選定としています。

【Ryzen 7000シリーズ 12コアモデルと16コアモデルの最大クロック】

Ryzen9 7950X とXeon W-2200シリーズとの比較で考えた場合、Xeon W-2200シリーズは発売から時間が経過していますので、後発であるRyzen9 7950Xの方がCPU自体の性能が高いとお考えください。
なお、Ryzenはコンシューマ向け製品のため、メモリ容量の上限は128GBです。Xeon W-2200シリーズのメモリ上限1TBよりも低くなりますが、想定されているメモリ容量が64GBでしたので、この点は問題にならないと判断しています。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

検索キーワード
金属錯体計算ワークステーション,Gaussian,科学計算ソフトウェア,高性能ワークステーション提案,分子動力学シミュレーション,行列計算処理,マシン性能最適化,理論計算ツール,サイエンティフィックコンピューティング,金属錯体計算ワークステーション,数値シミュレーション,予算内高性能マシン,ハイエンドコンピューティング,化学計算,数値解析ツール,科学計算ツール,メタルコンプレックス計算,分子解析ソフトウェア,高性能ワークステーション構築,ワークステーション提案,サイエンティフィックコンピューティングマシン,理論計算,分子モデリング,化学反応計算

Unreal Engineを使ったコンテンツを動かすマシンを購入したい。
想定している条件は以下の通り。

NVIDIA Mosaicの機能を使い、7画面を連結して1画面として扱いたい。
ビデオカードは用途に見合うものを選定して欲しい。

ご要望に合わせて構成を検討しました。

7台のディスプレイへの出力に関しては、同一条件でのピンポイントな情報を確認することができませんでした。しかし、9画面出力の実績があるビデオカードがございましたので、「ご依頼の条件に近い内容での動作実績」という前提でご提案しています。

ただ、7画面という数はあまり一般的なものではありません。
NVIDIAのフォーラムを確認したところ、NVIDIA Mosaicでのディスプレイ x6台 +1利用においてトラブルの事例が掲載されていましたので、お客様にもその旨をご案内しています。

参考：Mosaic +1 in RTX A4000 (NVIDIA Forums) ※外部サイトに飛びます

NGS解析用マシンの導入を考えている。
バイオインフォマティクスを専門にはしていないため、それほど高度な作業を行う予定はない。
WinRHIZOで画像解析したデータや遺伝子発現データをExcelやRなどで解析したり、シーケンスデータから定量データに計算させる処理を考えている。3Dモデルを動かすような処理は行わない。

想定スペックは以下の通り。

上記の想定スペックは知人からのアドバイスによるもので、自分自身はPCに詳しくない。
一般的な大手メーカー製PCと比べて、セットアップの手間が多いなどの問題はないか。また、購入した場合にはどのようなソフトが付属するのか知りたい。

ご要望に合わせて、構成をご提案しました。

CPUは、AMD Ryzen9 Threadripper 7950Xを選択し、32スレッド程度の条件を満たしています。
また、3Dモデルの表示や操作は行わないと伺いましたので、ビデオ出力はコストを優先してオンボードとしています。

一般的な大手メーカー製マシンと比較した場合、納入後に行っていただくセットアップ内容には、それほど大きな違いはありません。しかし、弊社製PCにはセキュリティソフトの試用版などはバンドルされませんので、必要な場合にはご相談ください。

また、OS以外のソフトウェアに関しては、Windowsが標準で提供するもの以外は付属・インストールしておりません。そのため、利用予定のない多数のソフトウェアにマシンのリソースを占有されたり、煩わしいポップアップが表示されることなく、快適にお使いいただくことができます。
なお、現在のWindowsでは、DVDへの書き込みや読み込みが標準サポートされています。DVDビデオの作成や再生を行う場合には別途ソフトウェアが必要ですが、そのような用途での利用がない場合には追加のソフトウェアは不要です。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

地震動に関する研究を行うためのマシンが欲しい。
大量のデータ学習を高速で実施するため、メモリやGPUを充実させたい。
Pythonで自社開発したコードを用いた処理を行う予定だが、SonyのNeural Network Consoleも補助的な役割で使用する。

マシン導入における条件は以下の通り。

PCに詳しくないため、メモリやGPUの容量やバランスなどに不安がある。
曖昧なイメージしか持っていないが、上記の条件を踏まえて適切な構成を提案して欲しい。

GPUを使用した機械学習では、GPUに搭載されているメモリの容量が重要になります。

メインメモリがGPUメモリ以上に必要なケースは少ない

お客様が自作したPythonコードがマシン本体のメインメモリを重視する場合は例外ですが、GPUを使用した一般的な機械学習では、メインメモリから一旦GPUメモリにデータを移動してから動作します。
そのため、メインメモリがGPUメモリ＋α以上に必要になるケースは少ないです。

ご予算とGPUメモリの条件から、NVIDIA GeforceシリーズをGPUとする方針で検討しました。
ご指定のRTX3090は終息のため、後継のRTX4090としています。ビデオメモリ 24GBに対し、メインメモリは64GBと余裕のあるスペックです。

GPUとCPUの使い分け

また、お客様からは以下のご質問をいただきました。

GPUで学習させた場合はインファレンスもGPUで行うパターンが多いと思われます。[3]についてお客様に確認した結果、インファレンスや推定精度の評価、図化を想定しているとのことでした。
CPUのインファレンスは特殊な機能がなくても可能ですが、処理に大変時間がかかる場合があります。そのため、お使いのインファレンスプログラムが (GPUでいうところのCUDAのように) CPUハード側で用意しているベンダー専用の仕組みを使って組み込まれている可能性がないか、確認をお願いしました。
例えば、IntelのDeep Learning Boostを前提にソフトが組み込まれている場合、この仕組みが実装されているCPUを利用する必要があります。

参考：インテル ディープラーニング・ブースト (インテル DLブースト) ※外部サイトに飛びます

確認・ヒアリングの結果、インファレンス部分はCUDAによるGPU利用での対応であることが確認できたため、CPU側はIntel Deep Learning Boostなどを考慮する必要がないと判断しています。

また、GPUメモリの容量を増やす場合、ビデオカード自体を別の製品に変更する必要があります。
候補としてはRTX A6000 48GBが考えられますが、ご予算内での採用が難しいためRTX4090 24GBを選択している旨をお客様にお伝えし、ご理解をいただきました。ご予算に余裕のあるお客様は、RTX A6000に変更した構成でご案内しますので、お気軽にご相談ください。

検索キーワード
機械学習,地震動,マシン,大量のデータ学習,GPU,Geforce RTX4090,メモリ容量,Python,Sony Neural Network Console,インファレンス
Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming